PYTHON 幫助

Keras Python(如何為開發者工作)

介紹

Keras 是一個功能強大且易於使用的 Python 庫,用於開發和評估深度學習模型。 最初由François Chollet開發的Keras模型因其簡單性和用戶友好的介面而受到歡迎,是機器學習領域初學者和專家的絕佳選擇。

我們還將探討 IronPDF PDF 生成庫,以及如何結合這兩個庫來生成結果並將其導出為 PDF。 深度模型

Keras的主要功能

使用者友好且模組化

Keras 的口號是「為人類打造的深度學習」,旨在設計成使用簡單、模組化且可擴展。 Keras 模型在出錯時提供明確且可操作的反饋,這有助於開發人員有效地調試和優化他們的模型。

2. 支持多重後端

Keras 可以在多種深度學習框架之上運行,如 TensorFlow、Theano 和 Microsoft Cognitive Toolkit (CNTK)。 這種靈活性讓開發人員能夠選擇最適合其需求的後端。

3. 廣泛支持神經網絡

Keras 支援多種神經網路層,包括卷積層、遞歸層和全連接層。 它還支持諸如多輸入和多輸出模型、層共享和模型共享等複雜架構。

4. 預處理工具

Keras 包含數據預處理的工具,例如圖像和文本處理,這些工具簡化了為模型訓練準備數據集的過程。

5. 模型可视化和调试工具

Keras 提供工具來視覺化神經網路的結構並監控訓練過程。 這對於理解模型的行為並進行必要的調整是至關重要的。 最簡單的模型類型是Sequential Keras模型,它只是層的線性堆疊。

安裝

安裝 Keras 很簡單。 你可以使用 pip 安裝它:

pip install keras 
pip install tensorflow
pip install keras 
pip install tensorflow
SHELL

使用 Keras 構建簡單的神經網路

以下是使用 Keras 構建簡單前饋神經網路的示例:

import keras
import numpy as np
import matplotlib.pyplot as plt
def readucr(filename):
    data = np.loadtxt(filename, delimiter="\t")
    y = data[:, 0]
    x = data[:, 1:]
    return x, y.astype(int)
root_url = "https://raw.githubusercontent.com/hfawaz/cd-diagram/master/FordA/"
x_train, y_train = readucr(root_url + "FordA_TRAIN.tsv")
x_test, y_test = readucr(root_url + "FordA_TEST.tsv")
classes = np.unique(np.concatenate((y_train, y_test), axis=0))
plt.figure()
for c in classes:
    c_x_train = x_train[y_train == c]
    plt.plot(c_x_train[0], label="class " + str(c))
plt.legend(loc="best")
plt.show()
plt.close()
py
PYTHON

輸出

Keras Python(如何對開發人員運作):圖1 - 輸出的神經網路模型

實際應用

圖像分類

Keras廣泛應用於圖像分類任務。 例如,用 Keras 構建的卷積神經網路(CNN)可以在圖像中識別物體達到高準確率。

2. 自然語言處理

Keras 提供用於構建模型的工具,這些模型可以處理和理解人類語言。 在 Keras 中,循環神經網絡(RNN)和長短期記憶(LSTM)網絡通常用於情感分析和機器翻譯等任務。

3. 生成模型

Keras 可以用來開發生成模型,例如生成對抗網絡(GANs),用於生成類似於訓練數據的新數據樣本。

介紹 IronPDF

Keras Python(它如何為開發人員工作):圖 2 - IronPDF for Python 網頁

IronPDF是一個由Iron Software開發和維護的強大Python庫。 它允許開發人員在 Python 專案中創建、編輯和提取 PDF 內容。 以下是IronPDF的一些主要特點:

  1. PDF生成

    • 您可以從各種來源生成 PDF,包括 HTML、URL、JavaScript、CSS 和影像格式。
    • 可以在生成的PDF中添加頁眉、頁腳、簽名、附件和安全功能。
  2. 性能優化

    • IronPDF 支援完整的多執行緒和非同步操作。
  3. 跨平台相容性

    • 可在 Windows、macOS、Linux、Docker、Azure 和 AWS 上與 Python 3.7+ 搭配使用。

    要開始,使用 pip 安裝 IronPDF:

pip install ironpdf
pip install ironpdf
SHELL

安裝後,您可以使用 HTML 內容或 URL 創建 PDF。 以下是範例:

  1. HTML 到 PDF
from ironpdf import ChromePdfRenderer
renderer = ChromePdfRenderer()
pdf = renderer.RenderHtmlAsPdf("<h1>Hello World</h1>")
pdf.SaveAs("ironAwesome.pdf")
py
PYTHON
  1. URL 轉 PDF
from ironpdf import ChromePdfRenderer
renderer = ChromePdfRenderer()
pdf = renderer.RenderUrlAsPdf("https://ironpdf.com/python/")
pdf.SaveAs("ironAwesome.pdf")
py
PYTHON

IronPDF和Keras Python:生成模型的PDF

安裝

pip install ironpdf
pip install keras
pip install tensorflow
pip install ironpdf
pip install keras
pip install tensorflow
SHELL

現在生成模型圖並使用以下程式碼將其匯出為 PDF:

import keras
import numpy as np
import matplotlib.pyplot as plt
from ironpdf import * 
# Apply your license key
License.LicenseKey = "your key goes here"
def readucr(filename):
    data = np.loadtxt(filename, delimiter="\t")
    y = data[:, 0]
    x = data[:, 1:]
    return x, y.astype(int)
root_url = "https://raw.githubusercontent.com/hfawaz/cd-diagram/master/FordA/"
x_train, y_train = readucr(root_url + "FordA_TRAIN.tsv")
x_test, y_test = readucr(root_url + "FordA_TEST.tsv")
classes = np.unique(np.concatenate((y_train, y_test), axis=0))
plt.figure()
for c in classes:
    c_x_train = x_train[y_train == c]
    plt.plot(c_x_train[0], label="class " + str(c))
plt.legend(loc="best")
plt.savefig('data.png') 
plt.show()
plt.close()
ImageToPdfConverter.ImageToPdf("data.png").SaveAs("plot.pdf")
py
PYTHON

程式碼說明

  1. 匯入函式庫

    • 程式碼首先導入必要的庫:

      • Keras:一個受歡迎的深度學習庫。

      • numpy(簡寫為 np):用於數值運算。

      • matplotlib.pyplot(簡稱 plt):用於創建繪圖。
      • ironpdf:處理PDF的IronPDF庫。
  2. 設定授權金鑰

    • 該行 License.LicenseKey = "your key" 為 IronPDF 設定授權金鑰。
  3. 讀取數據

    • readucr 函數從具有特定格式(以選項卡分隔的值)文件中讀取數據。
    • 它從數據中提取標籤 (y) 和特徵 (x)。
  4. 載入訓練和測試資料

    • 該代碼構建與 "FordA" 數據集相關的訓練和測試數據文件的 URL。
    • 它使用readucr函數加載數據。
  5. 繪製數據

    • 該代碼識別數據集中的唯一類別。

    • 對於每個類別,它會選擇第一個實例 (c_x_train[0]) 並繪製出來。
    • 圖例表示類別標籤。
  6. 儲存圖表

    • 該繪圖儲存為名為「data.png」的圖像文件。
  7. 將圖像轉換為 PDF

    • IronPDF 的 ImageToPdfConverter 將保存的圖像(“data.png”)轉換為 PDF 文件(“plot.pdf”)。

輸出 PDF

Keras Python(開發人員如何運作):圖3 - 來自先前程式碼的輸出PDF

IronPDF 授權

Keras Python(開發者如何使用):圖4 - IronPDF for Python 許可頁面

IronPDF 需要授權才能運行,如上述代碼所示。 在脚本开头设置许可证密钥,如下所示:

# Apply your license key
License.LicenseKey = "your key goes here"
py
PYTHON

如果您有興趣獲取 IronPDF 庫的試用許可證,可以從這裡獲得試用許可證密鑰。

結論

Keras 人工智慧 Python 庫以其簡單性和靈活性而在深度學習社群中脫穎而出。 它抽象化了构建神经网络过程中的许多复杂性,使开发人员能够专注于设计和试验模型。 無論您是剛開始學習深度學習的初學者,還是有經驗的從業者,Keras 透過其對人類大腦的模擬,提供了將您的想法變為現實所需的工具。

另一方面,IronPDF 是一個多功能的 PDF 生成和操作庫,使得將結果導出為 PDF 變得容易。 擁有這兩項技能將幫助用戶撰寫現代數據科學模型並將輸出導出為PDF以進行結果記錄。

查克尼思·賓
軟體工程師
Chaknith 致力於 IronXL 和 IronBarcode。他在 C# 和 .NET 方面擁有豐富的專業知識,協助改進軟體並支持客戶。他從用戶互動中獲得的洞察力有助於提高產品、文檔和整體體驗。
< 上一頁
fastparquet Python(它是如何為開發者工作的)
下一個 >
pyspellchecker Python(它如何適用於開發者)

準備開始了嗎? 版本: 2025.5 剛剛發布

查看許可證 >